[发明专利]语音识别方法及装置、存储介质、电子设备

说明书

本公开提供一种语音识别方法及装置、存储介质、电子设备。该方法包括：获取当前用户的语音数据，从所述语音数据中提取声学特征；基于所述声学特征、所述当前用户具有的语音属性、以及每个语音属性具有的细分维度，获得所述语音数据在各语音属性中每个维度的分布情况，所述语音属性的数目N≥1，所述维度的数目M≥2；基于所述分布情况，从所述当前用户具有的个性化维度组合中，选取出K个个性化维度组合，所述个性化维度组合包括至少一个不同语音属性具有的维度，且每个个性化维度组合对应表示所述当前用户所处的一个对话场景，K≥1；利用所述K个个性化维度组合对应的语音识别模型，对所述语音数据进行语音识别。如此方案，有助于提高语音识别的准确率。

技术领域

本公开涉及语音识别领域，具体地，涉及一种语音识别方法及装置、存储介质、电子设备。

背景技术

随着人工智能技术的不断突破，以及各种智能终端的日益普及，人机交互在人们日常工作、生活中出现的频率越来越高。语音作为最方便、最快捷的交互方式之一，其识别俨然已成为人机交互的重要环节。

在实际应用过程中，不同用户之间的发音习惯各不相同，若采用传统的基于统一语音识别模型实现语音识别的方案，无法确保针对所有用户都能具有很好的识别准确率。因此，为每个用户单独构建个性化语音识别模型，以提高不同用户的语音识别准确率，已成为语音识别领域的重要研究方向。

发明内容

本公开的主要目的是提供一种语音识别方法及装置、存储介质、电子设备，可以结合用户所处的对话场景进行语音识别，有助于提高语音识别准确率，达到更好的语音识别效果。

为了实现上述目的，本公开第一方面提供一种语音识别方法，所述方法包括：

获取当前用户的语音数据，从所述语音数据中提取声学特征；

基于所述声学特征、所述当前用户具有的语音属性、以及每个语音属性具有的细分维度，获得所述语音数据在各语音属性中每个维度的分布情况，所述语音属性的数目N≥1，所述维度的数目M≥2；

基于所述分布情况，从所述当前用户具有的个性化维度组合中，选取出K个个性化维度组合，所述个性化维度组合包括至少一个不同语音属性具有的维度，且每个个性化维度组合对应表示所述当前用户所处的一个对话场景，K≥1；

利用所述K个个性化维度组合对应的语音识别模型，对所述语音数据进行语音识别。

在第一方面的第一种可能的实现方式中，所述语音属性为对话环境、对话情绪、对话对象、对话主题中的至少一项。

在第一方面的第二种可能的实现方式中，获得所述当前用户具有的语音属性的方式为：

获取所述当前用户的历史语音数据，根据语音数据量与语音属性数量之间的对应关系，确定所述历史语音数据的数量对应的语音属性的数目N；

基于所述历史语音数据，对语音属性总类中所有的语音属性，按照确定性高低进行排序，所述语音属性的确定性为，所述历史语音数据属于该语音属性中每个维度的概率的熵；

将所述排序中确定性最低的N个语音属性，选取为所述当前用户具有的语音属性。

在第一方面的第三种可能的实现方式中，预先利用所述当前用户的历史语音数据、N个语音属性、以及每个语音属性具有的细分维度，获得所述声学特征与所述分布情况之间的映射关系，则

所述获得所述语音数据在各语音属性中每个维度的分布情况，包括：

基于所述声学特征和所述映射关系，得到所述分布情况。

结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，所述映射关系体现为分别针对各语音属性构建的属性判别模型，构建所述属性判别模型的方式为：